Notice bibliographique
Résumé
This thesis presents four studies on mortality inequality which advance the knowledge of how lifespans differ across social groups and the implications for retirees. The first two studies are based on the concept of distributional differences and propose new methods to study mortality inequality. Specifically, Chapter 2 introduces a statistical distance index to capture the stratification of lifespans among social groups. Empirical evidence from Finland demonstrates its utility and reveals new dimensions of mortality inequalities that traditional measures obscure. Chapter 3 proposes a novel method for investigating the factors that contribute to total lifespan inequality. It finds that in the United States, while racial/ethnic differences in life expectancy contribute little to total-population-level lifespan variance, distributional differences across race/ethnicity explain one fifth of the total lifespan variance. The next two studies explore the implications of mortality inequalities for retirees. Chapter 4 models dynamic work trajectories of older US adults and presents major results of gender and educational inequalities in the United States. It shows that less-educated older adults spent less time working, which compensates for their lower longevity when compared to their more-educated counterparts. Nonetheless, educational inequality in retirement lifespan is substantial and persistent. Chapter 5 looks at how education and preretirement earnings relate to lifetime pensions from age 60 onward, as well as how mortality affects the distribution of lifetime pensions in Sweden. The results show that the greater longevity of socially advantaged groups accounts for up to one quarter of lifetime pension inequality. Chapters 4 and 5 both highlight the importance of social differences in mortality and advocate for greater emphasis on the role of mortality in high-level discussions on old-age policies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».